论文部分内容阅读
背景:乳腺癌是女性最常见的恶性肿瘤之一,发病率占女性所有肿瘤的15%。随着个性化精准医疗的发展,肿瘤生物学标志物在临床管理工作中呈现出愈发重要的价值。其中,Ki-67的表达水平在乳腺癌临床诊疗中起着尤为重要的作用,可用于协助临床决策。目前,乳腺癌Ki-67的检测通过免疫组织化学(Immunohistochemistry,IHC)进行,该方法不仅有创、耗时,且成本高。而新兴的的影像组学(radiomics)则有望为乳腺癌Ki-67的术前预测提供一种简便、无创、可重复的新方法。目的:探讨基于磁共振(MR)影像组学标签术前预测乳腺癌患者Ki-67表达状态的价值。方法:本回顾性研究已得到广东省人民医院(广东省医学科学院)伦理委员会批准,并最终纳入经临床病理确诊为乳腺癌患者318例(训练数据集:n = 200例,验证数据集:n = 118例),均具备治疗前的乳腺MR图像以及完整的临床、病理资料。从PACS系统导出患者T2加权图像(T2WI)和对比增强的T1加权(T1+ C)图像,由两名有经验的放射科医师人工勾画病灶感兴趣区域(ROI)。应用Matlab软件从选定的ROI中提取影像组学特征。采用组间一致性系数(interclass correlation coefficient,ICC)分析两名观察者在影像组学对乳腺癌Ki-67表达状态评估中的可重复性。在训练数据集中,ICC>0.75的特征方可纳入LASSO逻辑回归模型,进行关键特征筛选与组学标签构建。采用独立样本t检验或Mann-Whitney U检验评价影像组学标签与Ki-67表达状态的关系,运用受试者工作特征曲线(ROC)检测影像组学标签术前预测Ki-67表达状态的效能,并应用于验证数据集中进行验证。结果:通过LASSO逻辑回归分析,基于T2WI和基于T1+C图像的影像组学标签分别由16和14个特征构建。在训练及验证数据集中,基于T2WI的影像组学标签在Ki-67阳性组与阴性组之间有显著差异(P均<0.0001)。在训练数据集中,基于T1+C图像的影像组学标签与Ki-67表达状态显著相关(P<0.0001),但在验证数据集没有发现两者间的显著相关性(P = 0.083)。基于T2WI的影像组学标签在Ki-67表达状态的分类中显示出良好的鉴别效能。影像组学标签在训练数据集中AUC为0.762(95%置信区间为0.685-0.838);在验证数据集中AUC为0.740(95%置信区间为 0.645-0.836)。结论:基于T2WI的影像组学标签是术前乳腺癌Ki-67表达状态的独立预测因子,且具有较高的诊断效能。影像组学标签作为一种无创的方法,可用于协助术前预测乳腺癌Ki-67的表达状态。